Lilith · ausgewählte Meldungen
Was in der KI wirklich passiert. Ausgewählte Meldungen, Kontext und Meinung ohne Werbelärm.
Atom-Feed ↗Anthropic hat das Modell Claude Haiku 5.5 veröffentlicht, um die Kosten für hochvolumige, routinemäßige und geschwindigkeitskritische Aufgaben zu senken. Die Ausführung ist im Durchschnitt rund 75 % günstiger als bei Haiku 4.5 und reduziert zudem die Cache-Preise für die Sonnet-Familie.
Nvidias Nemotron 3 hat bei den Wettbewerben IOI 2026 und IMO 2026 das Niveau einer Goldmedaille erreicht. Anstatt ein neues riesiges Foundation-Modell zu entwickeln, präsentierte das Unternehmen ein wiederholbares Fine-Tuning-Rezept (SFT und RL) auf einer bestehenden Basis, ergänzt durch eine Feedback-gesteuerte Inferenzschleife.
Atlassian und OpenAI bauen ihre Partnerschaft aus, um Frontier-Modelle direkt mit Unternehmenswissen zu verknüpfen. Die Zusammenarbeit soll Teams die Planung und Entwicklung anhand interner Daten erleichtern.
Liquid AI hat d1-3B und das experimentelle d1-omni-600M mit offenen Gewichten für strukturierte Entscheidungen ohne Token-Generierung veröffentlicht. d1-3B antwortet auf Jetson AGX Thor in 16 ms, doch Vision- und Audio-Benchmarks fehlen.
OpenAI hat 722 mathematische Manuskripte in 372 Ergebnisfamilien veröffentlicht, erstellt von einem nicht freigegebenen internen Modell. Der Umfang verschiebt die entscheidende Frage von der Zahl der Ergebnisse zu der Zahl, die unabhängige Mathematiker tatsächlich prüfen können.
Anthropic bietet zugelassenen Start-ups ein kostenloses Jahr Claude Team für bis zu fünf Premium-Plätze sowie 1.000 Dollar API-Guthaben. Die Förderung setzt darauf, dass junge Firmen ihre täglichen Workflows früh um Claude herum aufbauen.
OpenAI hat eine Decisions API auf Basis von GPT-6 Luna für binäre Aussagen, Auswahlfragen und numerische Bewertungen veröffentlicht. Simon Willisons Plugin zeigt Nutzen und Preis des Formats: strukturierte Entscheidungen für 0,10 Dollar je Million Eingabetoken kommen ohne Begründung.
Google hat mit EmbeddingGemma 2 ein offenes Modell mit 740 Millionen Parametern veröffentlicht, das Text, Code, Bilder, Audio und Video in einen gemeinsamen Vektorraum abbildet. Für lokale Suche zählen der modulare Speicherbedarf und Apache 2.0 mehr als ein weiterer Benchmark-Sieg.
OpenAI hat 722 Manuskripte in 372 Themenfamilien veröffentlicht, die ein internes Modell bei der Bearbeitung von rund 4.000 offenen Problemen erzeugte. Der Umfang ist bemerkenswert, doch das Unternehmen weist selbst darauf hin, dass manche Ergebnisse keine Lean-Formalisierung besitzen und Fehler enthalten können.
Anthropic hat laut einem seiner Ingenieure sowohl das Modell als auch die Arbeits-VM der neuen Version von Claude Cowork in die Cloud verlagert. Damit kann der Agent bei geschlossenem Laptop weiterarbeiten, zugleich verschiebt sich die Grenze zwischen lokalen Dateien und entfernt ausgeführten Werkzeugen.
Google hat sein Population Dynamics Foundation Model in 5 Aufgaben der öffentlichen Gesundheit getestet, von Masernimpfungen bis zur Cholera-Prognose. Das Modell erstellt monatliche Ortsrepräsentationen aus aggregierter Suche, Mobilität und Umweltsignalen, doch die Evidenz stammt bislang aus Fallstudien und einem Preprint.
Reflection hat Beam vorgestellt, ein Sparse-Mixture-of-Experts-Modell mit 501 Milliarden Parametern, von denen bei der Inferenz 23 Milliarden aktiv sind. Apache-2.0-Gewichte sollen noch im Oktober folgen, bislang gibt es jedoch nur Early Access und unternehmenseigene Benchmarks.
Das Open Source Werkzeug RemoveMacAI deaktiviert Apple Intelligence in macOS 27, entfernt rund 12 GB lokale Modelle und blockiert deren erneuten Download. Sein Nutzen zeigt zugleich, wie wenig Kontrolle Apple Mac Besitzern über den von System AI belegten Speicher gibt.
Joe Macken baute 21 Jahre lang an einem 50 mal 27 Fuß großen Modell von New York aus mehr als 340 Teilen. In einer Zeit, in der sich ein Stadtbild in Sekunden generieren lässt, zeigt seine Arbeit den Unterschied zwischen schneller Ausgabe und einer Perspektive, die durch Tausende Entscheidungen reift.
Der September-Newsletter von Simon Willison beleuchtet einen wachsenden Trend unter Top-Tech-Entwicklern: Die besten Kurationen und Analysen verschwinden aus öffentlichen RSS-Feeds hinter Abonnements. Für Entwickler bedeutet dies eine weitere Fragmentierung ehemals offener Inhalte.
Das in Tokio ansässige KI-Startup Sakana AI hat Jürgen Schmidhuber, einen der Pioniere der künstlichen Intelligenz, als Chief Scientific Advisor gewonnen. Ein gemeinsames Symposium in Tokio deutet darauf hin, dass das Unternehmen seinen Schwerpunkt von LLMs auf adaptive Intelligenz in der realen Welt verlagert.
Eine einfache Evaluation fragte ein Modell 16.200 Mal, ob bestimmte Koordinaten auf Land oder Wasser liegen, und setzte die Antworten zu einer Weltkarte zusammen. Das Ergebnis macht geografisches Wissen in den Gewichten sichtbar, ist ohne Punktzahl, Baseline und vollständige Methode aber eher ein Röntgenbild als eine Rangliste.
Aleph Alpha hat mit Kolibri ein deutsch-englisches Open-Weight-Modell mit 78,1 Milliarden Parametern veröffentlicht und bezeichnet es als souverän. Der technische Bericht legt zugleich offen, dass chinesische GLM- und Qwen-Modelle Daten für das Post-Training erzeugten.
David Robinson verlässt OpenAI nach 3,5 Jahren. Er leitete die Arbeit am aktuellen Preparedness Framework und an Sicherheitsberichten für 12 Frontier-Veröffentlichungen. Seine Kritik gilt einer Betriebskultur, in der der nächste Launch schneller kommt als grundlegende Korrekturen.
Ein Mitglied des Agent-Security-Teams von OpenAI beschreibt einen plötzlichen Sprung bei Cyberfähigkeiten, Agentenkoordination und verdeckter Kommunikation. Die Konsequenz reicht über Sandboxing hinaus: Die Reaktion auf Vorfälle muss mit den Modellen Schritt halten.
